MediWave

현대 심장 의학에서 혈관 내 초음파 (Intravascular Ultrasound, IVUS) 는 관상동맥 질환의 정밀 진단과 복합 병변 치료를 위한 필수적인 도구로 자리 잡았습니다 . 하지만 복잡한 영상 데이터 분석에 소요되는 시간과 비용 , 그리고 전문가의 숙련도에 의존해야 한다는 점은 임상 현장에서 IVUS 의 광범위한 활용을 가로막는 주요 장애물이었습니다 . 최근 영국 런던 퀸 메리 대학교 (Queen Mary University of London) 의 Retesh Bajaj 박사팀은 이러한 한계를 극복하기 위해 딥러닝 (Deep-Learning) 모델 을 활용한 실시간 IVUS 영상 분석 기술을 개발하여 전 세계 의학계의 주목을 받고 있습니다 . 본 칼럼에서는 해당 연구의 핵심 성과와 딥러닝 기술이 심혈관 진단 분야에 가져올 변화에 대해 심도 있게 다룹니다 . 1. 혈관 내 초음파 (IVUS) 의 임상적 중요성과 한계 혈관 내 초음파 (IVUS) 는 혈관 내부의 단면 영상을 제공하여 혈관벽의 상태 , 플라크 (Plaque) 의 축적 정도 , 혈관 내강 (Lumen) 의 크기를 정확히 측정할 수 있게 해주는 선호되는 방법입니다 . 특히 고위험 심장 질환 환자의 재관류술 (Revascularization) 을 안내하고 복잡한 병변을 평가하는 데 있어 타의 추종을 불허하는 정확도를 자랑합니다 . 그러나 IVUS 데이터는 방대하고 복잡합니다 . 수동으로 영상을 판독하고 혈관 경계를 설정하는 과정은 매우 " 노동 집약적 " 이며 " 시간 소모적 " 입니다 . 기존에 제안된 자동화 방식들은 환자가 카테터 검사실에 있는 동안 실시간으로 외탄성막 (External Elastic Membrane, EEM) 과 내강 경계를 정확히 식별하는 데 한계가 있었습니다 . 2. 혁신적 딥러닝 모델 : ResNet 기반의 실시간 세분화 Bajaj 박사팀이 개발한 새로운 모델은 ResNet 신경망 을 기반으로 하...

AI 기반 유방 DCE-MRI 분석: 항암치료 반응 예측의 새로운 지평   doi:10.1148/ryai.240769 서론: 유방암 치료의 패러다임 변화와 정밀의료의 필요성 유방암은 전 세계 여성 암 중 발병률과 사망률 모두 상위를 차지하는 중요한 질환입니다. 특히 항암화학요법(Neoadjuvant Chemotherapy, NAC) 후 병리학적 완전 반응(pathologic complete response, pCR)을 예측하는 것은 치료 전략을 수립하는 데 핵심적인 요소로 작용합니다. 최근 등장한 AI 기반의 영상 분석 , 특히 동적조영증강 자기공명영상(Dynamic Contrast-Enhanced MRI, DCE-MRI)은 이러한 예측의 정밀도를 획기적으로 향상시킬 수 있는 도구로 각광받고 있습니다. 본 칼럼에서는 RSNA에 소개된 최신 연구를 기반으로, 딥러닝을 이용한 유방 DCE-MRI 분석이 NAC 반응 예측에 미치는 영향과 임상적 함의에 대해 심도 깊게 다루어 보겠습니다. 1. 연구 배경과 목적 연구진은 기존의 육안 판독이나 단순한 영상 파라미터 분석을 넘어, 딥러닝 알고리즘 을 이용해 영상 속 잠재적인 예측 특징(latent predictive features)을 추출하고자 하였습니다. 특히 NAC 후 pCR을 보인 환자군과 그렇지 않은 환자군의 DCE-MRI를 분석하여, 딥러닝 기반 모델의 예측 정확도를 평가하였습니다. 2. 연구 설계와 딥러닝 알고리즘 구성 연구는 총 250명의 유방암 환자 의 전처리(pre-treatment) DCE-MRI 데이터를 대상으로 하였습니다. 데이터 구성 총 250건의 환자 DCE-MRI 영상 pCR 그룹과 non-pCR 그룹으로 구분 T1-weighted 조영증강 시퀀스 사용 딥러닝 모델 ResNet 기반의 3D CNN(Convolutional Neural Network) 아키텍처 사용 입력: 다시간점 DCE-MRI 슬라이스 출력: pCR ...